一种基于PUF-Passport的面向视频监控的目标检测模型安全防护方案制造技术

本发明专利技术涉及一种面向视频监控的目标检测模型量化精度损失建模方法，将护照嵌入模型，同时经过模型部署设备的SRAM PUF派生密钥对其加密，通过护照调整目标检测模型的推理准确性，即预训练模型的推理性能要么在护照有效的情况下保持不变，要么在护照被更改或伪造的情况下显著恶化。一旦采用了伪造的护照，其模型特性明显降低，几乎无法实现预测目标，同时伪造的护照也必须重新训练网络，成本巨大，无利可图。本发明专利技术的有益效果是：本发明专利技术可以保证模型不被非法复制、重新分发或滥用，保护合法所有者的知识产权。有者的知识产权。有者的知识产权。

【技术实现步骤摘要】
一种基于PUF
‑
Passport的面向视频监控的目标检测模型安全防护方案


[0001]本专利技术涉及电数字数据处理领域，更确切地说，它涉及一种基于PUF
‑
Passport的面向视频监控的目标检测模型安全防护方案。

技术介绍

[0002]人工智能技术(Artificial Intelligence，AI)，尤其是目标检测技术(Object detection)，已广泛应用于许多任务。目标检测模型的训练过程需要海量的训练数据、昂贵的硬件资源，并且往往需要数周甚至数月，较高的成本使得训练后的模型可以被视为模型创建者的知识产权(Intellectual Property，IP)。然而，恶意用户可能会非法复制、重新分发和滥用目标检测模型，或者在未经授权的情况下使用模型提供预测服务。如何保证已训练好的目标检测模型，不会被非法复制、重新分配或滥用，已经成为了目标检测产业化进程中一定要面对和处理的问题。
[0003]现有技术中，通常采用数字水印方法进行IP保护，方法是在训练阶段将水印嵌入深度神经网络(Deep n本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PUF
‑
Passport的面向视频监控的目标检测模型安全防护方案，其特征在于，包括：步骤1、构建目标检测模型，对所述目标检测模型进行预训练，并提取模型部署设备的PUF数据；步骤2、生成护照并经PUF派生密钥加密后嵌入目标检测模型对应的护照层中；步骤3、根据护照层参数解码提取数字签名，验证模型所有权；步骤4、对模型所有权进行确认，若确认拥有模型所有权，则模型的推理性能将保持不变，否则模型的推理性能将恶化。2.根据权利要求1所述的基于PUF
‑
Passport的面向视频监控的目标检测模型安全防护方案，其特征在于，步骤1包括：步骤1.1、确定目标检测模型的架构，选择模型参数、训练参数、优化器参数，构建模型并完成模型的预训练；步骤1.2、确定模型部署的设备，提取设备的SRAM单元的初始加电状态作为响应值，同时保存各个SRAM单元相对SRAM首地址的偏移作为地址值；步骤1.3、对提取的PUF数据进行测试，通过唯一性、随机性和稳定性这三个指标，验证提取的SRAM PUF的安全性质是否合格。3.根据权利要求2所述的基于PUF
‑
Passport的面向视频监控的目标检测模型安全防护方案，其特征在于，步骤2包括：步骤2.1、确定护照参数，并构建护照模型；所述护照参数包括护照添加标志flag、签名字符串b、符号损失权重λ和PUF挑战值c；步骤2.2、生成护照，并将所述护照嵌入所述护照模型；步骤2.3、固定护照参数，训练护照模型，使模型推理性能依赖于护照；步骤2.4、根据PUF挑战值c计算得到PUF响应值r，作为密钥与护照模块的比例因子γ和偏置项β进行异或加密。4.根据权利要求3所述的基于PUF
‑
Passport的面向视频监控的目标检测模型安全防护方案，其特征在于，步骤3包括：步骤3.1、获取指定护照层保存的比例因子γ；步骤3.2、将γ所有元素的正负号转化为二进制串，每一位
‑
1映射成0，每一位1保持不变；步骤3.3、将二进制串按每8位进行解码，得到ASCII码，拼接后得到嵌入该护照层的数字签名。5.根据权利要求1所述的基于PUF
‑
Passport的面向视频监控的目标检测模型安全防护方案，其特征在于，步骤4包括：步骤4.1、设置护照模型每一个护照模块的签名、护照和PUF挑战值；步骤4.2、将要推理的图像馈送至模型，得到模型的输出结果；如果设置的护照与训练阶段一致，则模型的推理性能将保持不变，否则模型的推理性能将恶化。6.根据权利要求5所述的基于PUF
‑
Passport的面向视频监控的目标检测模型安全防护方案，其特征在于，步骤1.3中，唯一性指标计算公式为：
其中，R
i
和R
j
分别是第i个和第j个PUF芯片的n位响应序列，k是待测芯片数，HD(R
i
,R
j
)是相同挑战下芯片i和芯片j相应的汉明距离；随机性指标的计算公式为：其中，R
i,j
是第i个PUF芯片的n位响应序列的第j位；稳定性指标的计算公式为：其中，M是响应评估的数量即测试的环境种类数，r是参考响应，r
′
t
是第t个在不同的操作角下重新生成的响应，HD(r,r
′
t
)是在输入相同挑战和条件t下的响应r
′
t
...

【专利技术属性】
技术研发人员：王豆，姜志锋，郭庆，张震伟，傅骏伟，郭鼎，王健，闻杰，俞荣栋，孟瑜玮，
申请(专利权)人：浙江浙能数字科技有限公司，
类型：发明
国别省市：